Python 是一種簡潔、易讀、易擴展的語言，不僅適合于數據處理和分析，也可以用來進行機器學習和建模。下面我們就來看一個用 Python 建模的實例。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
# 讀入數據
data = pd.read_csv("data.csv")
# 劃分訓練集和測試集
train_data, test_data, train_target, test_target = train_test_split(data.iloc[:, :-1], data.iloc[:, -1], test_size=0.3)
# 構建模型
model = LinearRegression()
# 訓練模型
model.fit(train_data, train_target)
# 預測測試集
predictions = model.predict(test_data)
# 計算模型評估指標
from sklearn.metrics import mean_squared_error, r2_score
# 均方誤差
mse = mean_squared_error(test_target, predictions)
print("Mean squared error: ", mse)
# 決定系數
r2 = r2_score(test_target, predictions)
print("R-squared: ", r2)

我們首先用 pandas 庫讀入數據，然后使用 sklearn 庫的 train_test_split 函數將數據劃分為訓練集和測試集，再用 LinearRegression 函數構建線性回歸模型。接著使用 fit 函數來訓練模型，然后用 predict 函數對測試集進行預測。最后，我們用 mean_squared_error 和 r2_score 函數分別計算模型的均方誤差和決定系數。

這就是用 Python 建模的一個簡單實例。使用 Python 執行機器學習和建模任務，無論是對于初學者還是對于已有經驗的專業人士，都是一個理想的選擇。